電動車の横安定性、新制御で飛躍的に向上
電動車（EV）の時代が本格的に到来する中、その真の実力を試すのは、日常的な走行ではなく、極限状態での挙動である。高速道路での急な車線変更、凍結路面での制動、あるいは急カーブでのアクセルワーク。こうした極限状況下での車両の横方向の安定性は、安全性の根幹を成す。中国の研究チームが、この難題に挑み、画期的な解決策を提示した。その鍵となるのは、「自己適応型モデル予測制御（SAMPC）」と名付けられた高度なアルゴリズムであり、これにより、分散駆動電動車の横安定性が飛躍的に向上することが、シミュレーションを通じて実証された。
この研究は、江蘇理工学院（Jiangsu University of Technology）の丁寧（Ding Ning）氏を筆頭に、同校の貝紹軼（Bei Shaoyi）教授、清華大学（Tsinghua University）の李波（Li Bo）氏、東南大学（Southeast University）の湯浩然（Tang Haoran）氏、殷国栋（Yin Guodong）氏らの共同研究によるもので、その成果は学術誌『重慶理工大学学報（自然科学）』（Journal of Chongqing University of Technology (Natural Science)）に掲載された。従来のモデル予測制御（MPC）の枠を超え、車両の状態に応じて制御パラメータをリアルタイムで最適化するこの新技術は、自動車の動的制御分野に新たな地平を切り開く可能性を秘めている。
従来の横安定性制御システム、たとえば電子制御横滑り防止装置（ESC）は、車輪のブレーキを個別に制御することで、車両のヨーモーメント（回転力）を調整し、スピンアウトやスライドアウトを防ぐ。しかし、分散駆動電動車では、各車輪に独立したモーターが搭載されているため、制御の自由度が格段に高まる。単にブレーキをかけるだけでなく、各モーターの出力トルクを精緻に配分することで、より積極的かつ繊細なヨーモーメントを発生させ、車両の姿勢を理想的な状態に誘導することができる。このポテンシャルを最大限に引き出すためには、従来の制御理論では不十分であり、より高度な知能化が求められる。
本研究の核心は、車両の「位相平面」を用いた安定性の判断と、それに基づくSAMPCの導入にある。位相平面とは、車両の重心側滑角（β）とその変化率（β̇）を軸に取ったグラフである。この平面内に、車両が安全に走行できる「安定域」、その境界である「安定境界」、そして制御不能に陥る「不安定域」を明確に定義する。研究チームは、車速や路面の摩擦係数（μ）に応じてこれらの領域の境界を動的に計算する式を確立した。これにより、車両が現在どの状態にいるのか、そしてどのくらいの「安全余裕」を持っているのかを、数値的に把握できる。
この「状態認識」の精度こそが、新制御戦略の出発点となる。従来のMPCは、重心側滑角とヨーレート（γ）という二つの重要なパラメータに対して、あらかじめ固定された「重み付け」（ウェイト）を適用する。しかし、これは一概に最適とは言えない。例えば、安定したコーナリング中は、ヨーレートの追従精度が重要である。一方で、急激な回避操作などで車両が横滑りを始めようとしている際は、重心側滑角の急激な増大こそが危険の兆候であり、こちらに制御の重点を置くべきである。固定された重み付けでは、この状況に応じた柔軟な対応ができない。
SAMPCは、この根本的な欠点を克服する。システムは、車両の現在位置が位相平面の安定域からどれだけ離れているか（Rc / Rstabの比）を常時監視し、その情報に基づいて、重心側滑角とヨーレートの重み付けをリアルタイムで動的に調整する。安定域内では、従来通りのバランスを保つ。しかし、安定境界に近づくと、重心側滑角の重み付けを徐々に増大させ、制御がより「安全志向」にシフトする。そして、不安定域に侵入した瞬間、重心側滑角の重み付けを最大限に高め、あらゆる手段を尽くして車両の姿勢を回復することを最優先する。これは、まるで熟練のドライバーが直感的に危険を察知し、ステアリングやアクセルの操作を変えるかのような、非常に自然で効果的な制御である。
この上位の制御システムが算出した「追加ヨーモーメント」を、4つの車輪のモータートルクにどのように分配するかが、次なる課題である。本研究では、この下位の「トルク配分」アルゴリズムにも、独自の工夫が凝らされている。従来の研究では、「タイヤの利用効率」を最小化することが最適化の目的関数としてよく用いられる。これは、各タイヤのグリップ限界に近づきすぎず、余力を残しておくことで、予期せぬ外乱に対応できるようにするためである。しかし、この研究チームは、純粋な安定性だけでなく、「走行性能」も重要な要素であると指摘する。たとえば、滑り率を適切に保つことで、加速性能や燃費（電費）を向上させることができる。
そこで彼らは、二つの目的を融合した「多目的最適化関数」を提案した。一つは安定性を表すタイヤ利用効率の最小化、もう一つは走行性能を表す滑り率の最適化である。そして、この二つの目的の相対的な重要度を決める「重み係数」（w）も、再び車両の位相平面における状態に応じて動的に変化させる。安定走行中は走行性能をやや優先し、安定境界に近づくと安定性の重みを高める。これにより、日常走行では効率よく、危険な状況では安全を最優先する、非常に実用的なバランスを実現する。
さらに、4つの車輪に異なる重みを付けることで、車両の操縦特性そのものを制御する。特に後輪の重みを高く設定することで、車両が「アンダーステア」（不足操舵）気味の特性を持つように誘導する。これは、一般のドライバーにとってより直感的で安全な挙動とされている。この後輪の重みも、ヨーレートの誤差や位相平面の状態に応じて、1から2の範囲で滑らかに変化する。
このように、上位のSAMPCと下位の適応的トルク配分が連携することで、全体として非常に洗練された制御システムが構築される。しかし、高度なアルゴリズムは計算負荷が高く、リアルタイム制御が困難になるという課題がある。この研究では、計算効率の面でも優れた工夫がなされている。上位の予測制御では、複雑な7自由度モデルではなく、計算が軽い2自由度モデルを採用。また、下位のトルク配分では、反復計算を要する複雑な最適化手法（例：二次計画法）ではなく、等式制約を活用して解析的に解を導く手法を用いることで、高速処理を実現している。
この新制御システムの性能は、CarSimとMatlab/Simulinkを連携させた高度な共同シミュレーションで検証された。対象車両はCセグメントのハッチバック。評価シナリオは、左右に急激に車線を変更する「二重車線変更」テストで、これは障害物を回避する緊急事態を模擬したものである。
その結果は圧倒的であった。路面摩擦係数μ=0.4（湿ったアスファルトに相当）、車速70km/hの条件では、SAMPCを採用した場合、従来のMPCと比較して、重心側滑角の平均絶対誤差が49.4%、均方根誤差が55.3%も低減された。これは、車両の実際の挙動が、理想的な安定走行の軌道に非常に近づいたことを意味し、ドライバーが感じる車両の応答性と安心感は格段に向上する。
より過酷な条件、μ=0.2（薄氷の路面に相当）で90km/hの高速走行では、物理的なグリップ限界が厳しくなるため、改善効果は鈍化する。しかし、それでも平均絶対誤差が24.5%、均方根誤差が23.8%の低減が確認された。これは、極限状態においても、システムが有効に機能し、最後の最後まで安全な走行をサポートしていることを示している。
この研究の意義は、単にシミュレーション上の数字の改善に留まらない。それは、自動車の安全技術が「反応型」から「予見型」へと進化していることを示している。従来のシステムは、スリップが発生してからそれを修正しようとする「反応」だった。一方、SAMPCは、車両が不安定域に近づく兆しを「予見」し、その前に介入して事態を未然に防ぐ「予見」である。このパラダイムシフトは、自動運転車の実現にとっても極めて重要である。自動運転車は、人間のドライバーの介入なしにあらゆる状況を安全に処理しなければならない。そのためには、こうした状況を予測し、最適な制御をリアルタイムで行える高度な知能が必要不可欠となる。
また、研究チームは、今回のシミュレーションが「均一な路面」を前提としていることから、今後の課題として「分割μ路面」（左右の車輪が異なる摩擦係数の路面に接する状況）での検証を挙げている。これは、片側が雪、片側がアスファルトという現実によくある状況であり、制御の難易度がさらに高まる。このような複雑な条件下でも本システムが有効かどうかを検証することは、実用化に向けた重要なステップとなるだろう。
結論として、丁寧氏らの研究は、分散駆動電動車の横安定性制御において、理論と実用性の両面で大きな前進を示した。位相平面を活用した精密な状態認識、動的に変化する重み付けによる柔軟な制御、そして多目的を統合した適応的トルク配分。これらの要素が有機的に結びついたこのシステムは、単なる性能向上にとどまらず、自動車の安全性の定義そのものを再考させるものである。今後、この技術が実際の車両に搭載され、道路でその真価を発揮する日が待ち遠しい。
Ding Ning, Bei Shaoyi, Li Bo, Tang Haoran, Yin Guodong. Adaptive optimization control for lateral stability of distributed drive electric vehicle. Journal of Chongqing University of Technology (Natural Science), 2024, 38(8): 64–73. doi: 10.3969/j.issn.1674-8425(z).2024.08.007